Page 15 - 网络电信2023年4月刊
P. 15

足用户的个性化需求，可以采用AI技术，实现智能编排业务的                         务进行分析，确保各项工作能够有序安排，如果任务变化，需
                                                          [3]
            目标，这样即使在高移动性场景之中也能够实现快速切换的目标 。                       要及时调度。
                2.4潮汐需求                                              首先，如果想要物理设施达到节能减排的目标，那么就
                以办公大楼的视频监控为例，白天工作时间段，人流量比                        需要对算力基础设施引起重视，建议能够从建设前后入手。既
            较大，意味着数据多且复杂，处理难度比较大；夜间，办公大                          然数据中心属于耗电量大户，那么在建设中心之前，需要对其
            楼人员数量减少，与之有关的视频画面基本上处于静止状态，                          地理位置进行充分考虑，以谷歌、亚马逊为例，其数据中心建
            处理频率也大幅度降低。针对该场景来讲，虽然业务是相同                           立在爱尔兰，一方面受益于该国家的税收政策；另外一方面，
            的，但是时间会产生变化，与之有关的计算需求量也会变化，                          数据中心对于降温需求高，该国家的气候比较寒冷，在自然降
            所以算力服务应该结合业务需求而进行变化，需要对计算资源                          温的基础上，电费会降低。以微软为例，将数据中心建立在大
                                                                                                   [5]
            进行调整，目的是对所有资源进行最大化利用。重视潮汐需                           海，利用海水温度将数据中心的温度降下来 。
            求，结合  AI技术对算力服务进行转型升级，以流量变化为基本                           根据相关数据显示（如图2所示），京津冀、川渝陕、长三
            依据，对资源使用量进行预判，这就需要用到业务感知手段，                          角粤港澳等地区分布着我国大部分算力，主要是因为大量业务
            将能够发挥资源的价值。算力服务的需求并不是一成不变的，                          集中在这些地区。随着数字经济的快速发展，需要对算力资源
            例如，车联网，具有低时延特性、高移动性，越复杂的环境，                          进行提前布局。特别是已经完成建设的算力基础设施，应该加
            对算力服务能力要求越高，因此，需要对与之有关的技术进行                          强对先进绿色技术产品的应用，例如，清洁能源、绿色 IDC 技
                                                         [4]
            研究，将技术用于算力服务，确保服务能够满足各方面的需求  。                       术等方面的应用，可以有效提升绿色管理综合能力以及能源高
                                                                 效清洁水平。
                三、算力服务特征                                             其次，合理安排调度业务层面，需要对标业务潮汐效应，
                前文对业务对算力服务的需求进行了分析，需要满足可                         以时间为依据，寻求与之匹配的业务，例如，用户驱动型、结
            信、智能、绿色、共享等需求，才能确保算力典型应用场景发                          果驱动型。以用户驱动型为例，用户作息时间与服务使用时间
            挥价值。算力需求与算力服务特征之间的关系（如图1所示），                         之间的关系很密切，例如，游戏、视频等，这些领域的高峰期
            对于每一种场景来讲，如果要满足其需求，通常需要对多种算                          通常在傍晚或者是周末；以结果驱动型为例，主要关注的是最
            力特征进行协同。                                             后的产出总时间以及数据，例如人工智能技术、科学计算等。
                                                                 同一个算力资源池，需要盘活资源优先处理用户的驱动型，满
              图1 算力需求与算力服务的对应关系
                                                                 足用户的需求。计算资源进入空闲状态之后，结合弹扩缩容
                                                                 等技术集中资源处理结果驱动型业务，也可以直接关掉部分服
                                                                 务，可以达到能耗节约的目的。
                                                                     3.2共享算力服务
                                                                     以网络为载体，共享共联算力资源、分布业务，可以解决
                                                                 算力资源缺乏等问题，例如，算力分布不够均匀、业务分布不
                                                                 够合理等。随着科学技术的发展，国内新兴业务规模扩大，而
                                                                 单点算力资源往往无法满足低时延、较高移动性需求以及业务
                                                                 大算力的需求。共享算力可以被划分成为共享单点算力、若干
                                                                 个算力资源池，以实际需求为依据，通过云计算等技术，可以
                                                                 满足高移动性需求以及低时延需求。
                                                                     随着“东数西算”战略的不断深入，西部处理东部数据
                                                                 信息是一个重要场景，意味着东部数据会传输到西部，延时增
                                                                 加无可避免，所以可以覆盖全国的网络基础设施就非常重要。
                                                                 为了满足高移动性需求、低时延需求，具体可以从这些方面入
                                                                 手：第一，对泛在的边缘计算节点进行建设，考虑到超低时延
                                                                 需要具备一个比较近的物理位置才能保障位置比较近的云计算
                3.1绿色算力服务                                        节点达到实际需求，因此，需要建设泛在的边缘计算节点。第
                对于算力资源而言，属于耗电量大户，从2021年相关统计
                                                                 二，单点算力无法满足低时延的需求，需要编排管控调度系统
            来看，我国数据中心耗电量达到2045亿千瓦，是整个社会用电
                                                                 中的边缘节点发挥协同效应，从而满足高移动性需求，即便是
            量的2.7%。可以明确的是，这类业务的潮汐特性非常明显，在
                                                                 用户位置不断发生变化，也可以通过多个节点进行对应的切
            高峰时期，计算资源超出负荷运转，就会供不应求，而在低谷
                                                                                   [6]
                                                                 换，从而达到实际需求 。
            期又会有空闲状态，这个状态下的算力、电力等资源将会被浪
            费。随着“双碳”战略的实施，绿色算力服务是发展的重要方                              3.3智能算力服务
                                                                     该服务面向的是智能计算，简单来讲，就是提供智能化算
            向，重点需要解决这些问题：第一，以风、火、水电基础设施
                                                                 力服务，将更多资源集中起来推动智能化业务发展，能够为社
            为重点，通过算力服务实现节能减排的目标；第二，对实际任
                                                                 会各个领域提供各种计算业务，例如，实时AI服务、实时计算
                                                       网络电信 二零二三年四月                                            19
   10   11   12   13   14   15   16   17   18   19   20